用于肝脏病灶分类的端到端判别深度网络
计算机视觉与模式识别
2019-01-29 v1
摘要
结直肠肝转移是最具侵袭性的肝脏恶性肿瘤之一。虽然基于 CT 图像的病灶类型界定决定了诊断与治疗策略，但癌性与非癌性病灶的区分至关重要，且需要高度专业的技能、经验与时间。本工作中，我们引入一种端到端深度学习方法，以辅助区分腹部肝脏 CT 图像中的结直肠癌肝转移与良性囊肿。我们的方法融合了 InceptionV3 的高效特征提取与残差连接，以及来自 ImageNet 的预训练权重。该架构还包含全连接分类层，以生成病灶类型的概率化输出。我们使用了一个包含来自 63 名患者的 230 个肝脏病灶的院内临床样本库。所提方法取得的准确率为 0.96、F1 分数为 0.92，超越了当前最优（SOTA）方法。我们的工作为在专用放射学软件中集成机器学习工具以辅助医师早期检测与治疗肝脏病灶奠定了基础。
引用
@article{arxiv.1901.09483,
title = {End-to-End Discriminative Deep Network for Liver Lesion Classification},
author = {Francisco Perdigon Romero and Andre Diler and Gabriel Bisson-Gregoire and Simon Turcotte and Real Lapointe and Franck Vandenbroucke-Menu and An Tang and Samuel Kadoury},
journal= {arXiv preprint arXiv:1901.09483},
year = {2019}
}